Файл для скачивания: protein.csv
Подготовка данных
Импортируем CSV-файл с данными о потреблении протеина. В числовых столбцах десятичный разделитель — точка, а в текущей локали нужна запятая. В Power Query выделяем все столбцы, кроме первого со странами, и через Replace Values (замена значений) меняем точку на запятую. Первая строка данных оказалась заголовками. Используем Use First Row as Headers (использовать первую строку как заголовки). После этого типы столбцов определяются как дробные. В данных 25 стран. Последняя строка пустая — удаляем её через Remove Rows (удалить строки) → Remove Bottom Rows (удалить нижние строки).
Постановка задачи
Есть список из 25 стран и потребление протеина по продуктам. Для кластеризации выбираем два показателя: красное мясо (Red Meat) и белое мясо (White Meat). Больше факторов брать нежелательно: чем больше признаков, тем больше данных требуется, а стран всего 25. Цель — сгруппировать страны по соотношению потребления красного и белого мяса. Примеры: в Греции преобладает красное мясо, в Ирландии показатели близки, в Нидерландах и Западной Германии больше белого мяса, в Великобритании сильное преимущество красного.
Подключение компоненты кластеризации
Встроенной визуализации кластеризации нет. Открываем Marketplace (маркетплейс), находим компоненту Cluster (кластеризация) и добавляем её. Компонента требует R-пакеты. Устанавливаем предлагаемые пакеты, например vegan, NbClust, apcluster, XML, RColorBrewer, fpc, mclust, cluster, seriation, pbkrtest и связанные зависимости. Установка пакета может подтягивать другие пакеты, поэтому занимает разное время. Если пакет установлен только локально в рамках Power BI, после закрытия программы он исчезнет. Чтобы установить пакеты навсегда, идём в File → Options and Settings → Options → R Scripting (сценарии R) и проверяем пути к R и R Studio. Названия пакетов чувствительны к регистру: например, XML в нижнем регистре может не найтись. После установки компонента появляется в области визуализаций.
Настройка визуализации
Выделяем компоненту кластерного анализа и растягиваем её. В Values (значения) помещаем Red Meat и White Meat. В Data Point Labels (подписи точек данных) помещаем страны. Если поле мяса случайно попадёт в подписи, подписи будут неверными. Включаем Convex Hull (выпуклая оболочка) — так границы кластеров видны лучше. Настраиваем размер шрифта, например 18, чтобы читались названия стран. Легенда, подписи и оболочка делают график наглядным.
Интерпретация кластеров
Получаем три кластера. Красный кластер (№ 3) — страны с высоким потреблением красного мяса: Бельгия, Франция, Великобритания, Швейцария. У них сильный сдвиг вправо. Зелёный кластер (№ 1) — низкое потребление красного и белого мяса. Чёрный кластер (№ 2) — высокое потребление белого мяса. Так страны сепарируются по структуре потребления мяса.
Проверка устойчивости
В компоненте кластерного анализа можно менять тип алгоритма, число кластеров (автоматически или явно) и метод. При смене метода на более медленный и точный картина остаётся примерно такой же или полностью совпадает. Это говорит об устойчивости кластеров и их наглядном отражении действительности. Кластерный анализ в Power BI можно выполнить быстро, хотя компонента не встроенная, а загружается из Marketplace.
Краткие итоги
Практическая ценность кластеризации в этом сценарии состоит не столько в получении красивой диаграммы, сколько в дисциплине работы с данными и прозрачной интерпретации групп. Сначала устраняются технические барьеры: несогласованный десятичный разделитель, неправильно прочитанные заголовки и лишние строки. Без этого даже корректный алгоритм даст искажённый результат. Затем выбирается ограниченный набор признаков, потому что при малом числе наблюдений избыточность переменных размывает структуру и снижает надёжность выводов. Два показателя — потребление красного и белого мяса — позволяют увидеть различия между странами по составу рациона, а не по случайным колебаниям. Подключение внешней компоненты и R-пакетов показывает, что аналитический инструмент может быть расширен, но требует управления зависимостями и понимания различий между временной и постоянной установкой. Настройка визуализации — это не украшение, а способ сделать результат проверяемым: значения задают пространство признаков, подписи идентифицируют объекты, оболочка показывает границы групп. Интерпретация кластеров должна опираться на содержательный смысл осей, иначе группа останется просто цветным пятном. Проверка другим методом выполняет роль контроля устойчивости: если разбиение сохраняется, выводы можно использовать для сравнительного анализа. Таким образом, кластеризация полезна как инструмент сегментации стран или рынков, но только при условии качественной подготовки данных, осознанного выбора признаков и проверки результата. Практическое применение — выделение групп с разными моделями потребления для дальнейших маркетинговых, экономических или исследовательских решений.
Подготовка данных
Импортируем CSV-файл о потреблении протеина. В числовых столбцах точка является десятичным разделителем, но нужна запятая. В Power Query выделяем числовые столбцы и через Replace Values меняем точку на запятую. Первая строка данных содержит заголовки, поэтому используем Use First Row as Headers. Числовые столбцы получают дробный тип. В данных 25 стран. Последняя строка пустая — удаляем её через Remove Bottom Rows.
Задача кластеризации
Нужно сгруппировать страны по потреблению красного мяса (Red Meat) и белого мяса (White Meat). Берём только два признака, потому что стран мало, а большое число факторов требует больше данных. Цель — увидеть различия в структуре потребления мяса.
Подключение компоненты
Встроенной кластеризации в Power BI нет. Открываем Marketplace, находим компоненту Cluster и добавляем её. Для работы нужны R-пакеты, например vegan, NbClust, apcluster, XML, RColorBrewer, fpc, mclust, cluster, seriation, pbkrtest. Установка пакета может подтягивать зависимости. Если пакет установлен только локально в Power BI, после закрытия он исчезнет. Чтобы установить навсегда, идём в File → Options and Settings → Options → R Scripting и проверяем пути к R и R Studio. Регистр в названии пакета важен.
Настройка визуализации
В Values помещаем Red Meat и White Meat. В Data Point Labels помещаем страны. Если поле мяса попадёт в подписи, они будут неверными. Включаем Convex Hull — оболочку кластеров. Увеличиваем шрифт, чтобы читались названия стран.
Интерпретация
Получаем три кластера. Красный кластер — высокое потребление красного мяса: Бельгия, Франция, Великобритания, Швейцария. Зелёный кластер — низкое потребление красного и белого мяса. Чёрный кластер — высокое потребление белого мяса.
Проверка
В компоненте можно менять тип алгоритма, число кластеров и метод. При смене метода на более медленный и точный картина остаётся примерно такой же или совпадает. Это подтверждает устойчивость кластеров. Кластерный анализ в Power BI можно выполнить быстро, хотя компонента загружается из Marketplace.
1. Перед кластеризацией CSV нужно привести десятичный разделитель к ожидаемому формату.
2. Первую строку данных можно преобразовать в заголовки через Use First Row as Headers.
3. Пустые нижние строки удаляются, чтобы не искажать данные.
4. Для кластеризации выбраны два признака: красное и белое мясо.
5. Малое число наблюдений ограничивает число факторов.
6. Компонента кластеризации добавляется из Marketplace.
7. Для работы компоненты требуются R-пакеты и их зависимости.
8. Локально установленные пакеты исчезают после закрытия Power BI.
9. Постоянная установка пакетов настраивается через R Scripting.
10. В Values задаются признаки, в Data Point Labels — страны.
11. Convex Hull показывает оболочку кластеров, улучшая интерпретацию.
12. Смена метода расчёта подтверждает устойчивость кластеров.
1. Почему при импорте CSV потребовалась замена точки на запятую?
2. Как в Power Query превратить первую строку данных в заголовки?
3. Зачем удалять последнюю пустую строку?
4. Почему для кластеризации оставили только красное и белое мясо?
5. Где в Power BI найти компоненту кластеризации?
6. Какие R-пакеты требуются для компоненты кластеризации?
7. Чем отличается локальная установка R-пакетов от постоянной?
8. Где настроить пути к R и R Studio?
9. Какие поля помещаются в Values и Data Point Labels?
10. Что даёт включение Convex Hull?
11. Как интерпретируются красный, зелёный и чёрный кластеры?
12. Как проверить устойчивость кластеризации?
